TensorFlowによるニューラルネットワーク(コード解説)

みなさんこんにちは。人工知能ラボの助手です。

今日は、前にニューラルネットワーク概論①の
記事に載せた、ニューラルネットワークのPythonコード
についてお話をしようと思います。



まずは、もう一度コードを見てみましょう。

#coding:utf-8

import tensorflow as tf
import math

#隠れ層のノード数
node = 30
#学習回数
training = 3000
#学習率
ln_r = 0.001

train_x = "学習用データセット(説明変数)を入れる"
train_y = "学習用データセット(目的変数)を入れる"

#データ数と説明変数の種類を取得
n, column = train_x.shape

#入力データ
x = tf.placeholder("float",shape=[None,column])
y_ = tf.placeholder("float",shape=[None,1])

#入力層から中間層への重みとバイアス
w1 = tf.Variable(tf.truncated_normal([column,node],stddev=0.1))
b1 = tf.Variable(tf.constant(1.0,shape=[node]))

#中間層の計算
h1 = tf.nn.relu(tf.matmul(x,w1) + b1)

#中間層から出力層への重みとバイアス
w2 = tf.Variable(tf.truncated_normal([node,1],stddev=0.1))
b2 = tf.Variable(tf.constant(1.0,shape=[1]))

#出力層の計算
y = tf.nn.relu(tf.matmul(h1,w2) + b2)

#2乗誤差を計算
loss = tf.reduce_sum(tf.square(y - y_))

#学習ステップ
train_step = tf.train.AdagradOptimizer(ln_r).minimize(loss)

init = tf.initialize_all_variables()

#セッション作成と変数初期化
sess = tf.Session()
sess.run(init)

#学習
for i in xrange(training):
    sess.run(train_step, feed_dict={x:train_x, y_:train_y})
    
    #学習100回ごとにデータ1件当たりの誤差値を表示
    if (i+1) % 100 == 0:
        print(math.sqrt(sess.run(loss, feed_dict={x:train_x, y:train_y}) / n))